三十五、python的線程

標籤：strong   star   程式   setname   運行   完成後   start   啟動   大量   

python中，每個進程有GIL鎖，導致每個進程同一時刻只能有一個線程出來執行

 

threading模組

import threadingimport timedef foo(x):    print("--------%s" %x)    time.sleep(3)t1=threading.Thread(target=foo,args=(2,))   #建立線程對象； 任務，參數,元組形式t1.start()  # 啟動print("ending")

　　

join

阻塞主線程，等待線程結束後再繼續執行主線程

import threadingimport timedef foo(x):    print("--------%s" %x)    time.sleep(3)def bar(n):    print("--------%s" %n)    time.sleep(5)s = time.time()t1=threading.Thread(target=foo,args=(2,))   #建立線程對象； 任務，參數,元組形式t1.start()  # 啟動t2=threading.Thread(target=bar,args=(5,))   #建立線程對象； 任務，參數,元組形式t2.start()  # 啟動t1.join()t2.join()print("ending")print(time.time() - s)# --------2# --------5# ending# 5.001526832580566

不開多線程的已耗用時間

import threadingimport timedef foo(x):    print("--------%s" %x)    time.sleep(3)def bar(n):    print("--------%s" %n)    time.sleep(5)s = time.time()foo(2)bar(5)print("ending")print(time.time() - s)# --------2# --------5# ending# 8.000638246536255

 

setDaemon(True) 守護線程

　　將線程聲明為守護線程，必須在start()
　　方法調用之前設定，如果不設定為守護線程程式會被無限掛起。
　　當我們在程式運行中，執行一個主線程，如果主線程又建立一個子線程，主線程和子線程
　　就分兵兩路，分別運行，那麼當主線程完成
　　想退出時，會檢驗子線程是否完成。如果子線程未完成，則主線程會等待子線程完成後再退出。但是有時候我們需要的是只要主線程
　　完成了，不管子線程是否完成，都要和主線程一起退出，這時就可以
　　用setDaemon方法啦

　　當daemon設定為true時，如果主線程退出，那麼子線程也將跟著退出，反之，子線程將繼續運行，直到正常退出
　　

 

import threadingimport timedef foo(x):    time.sleep(3)    print("--------%s" % x)def bar(n):    time.sleep(5)    print("--------%s" % n)s = time.time()t1=threading.Thread(target=foo,args=(2,))   #建立線程對象； 任務，參數,元組形式# t1.setDaemon(True)t1.start()  # 啟動t2=threading.Thread(target=bar,args=(5,))   #建立線程對象； 任務，參數,元組形式t2.setDaemon(True)t2.start()  # 啟動print("ending")print(time.time() - s)# ending# 0.0010097026824951172# --------2

　　

Thread執行個體對象的方法  # isAlive(): 返回線程是否活動的。  # getName(): 返回線程名。  # setName(): 設定線程名。threading模組提供的一些方法：  # threading.currentThread(): 返回當前的線程變數。  # threading.enumerate(): 返回一個包含正在啟動並執行線程的list。正在運行指線程啟動後、結束前，不包括啟動前和終止後的線程。  # threading.activeCount(): 返回正在啟動並執行線程數量，與len(threading.enumerate())有相同的結果。

　　

==================

計算密集型和IO密集型

　　IO密集：

　　　　程式中存在大量的IO操作

　　計算密集：

　　　　程式中存在大量計算操作（非IO操作）

 

對於計算密集型，多線程還不如順序執行；GIL鎖只能出來一個線程，多個線程只能切換執行，這樣對於計算密集型效率就會變低

對於IO密集型，對於IO阻塞時，切換執行其他線程，這樣就節省了阻塞的時間，效率就會高

 

結論：對於python而言，同一進程下，無法利用多核優勢，多執行緒IO密集型任務時，具有優勢，對於處理計算密集型的任務，不推薦使用

 

三十五、python的線程